如何识别网站上的广告

Question

我想以编程方式分析网站的内容，并找到可能放置广告的位置（或广告本身）。不同的网站可能会以多种不同的格式放置来自不同供应商的广告，我希望我的解决方案能够选择尽可能多的广告。

您将如何以编程方式解决此问题。到目前为止，我只找到了一种解决方案，但我对此不太满意（原因如下）。

显而易见的解决方案是对源代码进行大量的正则表达式搜索，以寻找广告引擎特定的 JS 和/或 HTML。我相信这类似于 AdBlock 用来在浏览器中从网站上删除广告的方法。然而，由于有这么多的广告引擎，这既不有效也不易于维护（即使我们考虑使用 AdBlock 黑名单来为搜索引擎提供信息）。

我想为这个问题找到一个更通用的解决方案，我不一定要寻找最终解决方案。对问题的不同看法会有所帮助。

Answer 1

我认为维护一个广告供应商列表并不困难，尤其是考虑到只有少数主要参与者提供了所有广告的 90% 以上。

如果你不是在寻找一个包罗万象的解决方案，我会说检测到 90% 以上的命中率是可以接受的。

以“启发式”方式进行操作，您可以简单地标记从与托管页面所在的域不同的域提供的任何 Flash 或类似媒体对象？